假如一项能力是一个公式，例如听汉语语音输出汉字，那么这个 AI 就是在学这个公式的未知数，当 AI 大致猜到了这个公式的未知量，那 AI 大概也就能做听语音输出汉字的活了。

比如 AI 模型是一个有超多未知量的非线性高阶魔法公式，我知道这个公式的一些输入和输出，但是我不知道魔法公式的未知量都是什么。
我可以猜这些参数，也就是我通过输入和输出之间的关系，可以反推这些参数大概是什么样子（猜的不准，那我可以反推去修正这些参数），我输入和输出（一起成为样本）越多，那我猜的就越准，如果我有海量数据，那这个魔法公式的未知量就逐渐可以被猜的跟真实值很近。
结合现实就是，我不知道人是怎么分辨猫和狗的，但是我可以根据人给猫猫狗狗的图片打的标签， 反推人识别猫猫狗狗所用的公式的未知量是啥，本身这个任务不复杂，猜的够多之后，机器逐渐也掌握了人类用来猜猫狗的“魔法公式”。

以上只是 有监督学习 的 AI ，AI 种类还有很多。